适用读者：希望系统学习机器人学习、VLA 与世界动作模型，具备或正在补充 Python 基础的学习者。 本文整理概念层级、技术联系、系统教程、博客、代码框架与实践路线。 1. 学习主线 建议按下面的顺序建立知识框架： 深度学习 → Transformer → 模仿学习 → 扩散／Flow Matching → VLM／VLA → 世界模型／WAM 强化学习是一条并行线，可以与模仿学习、VLA 和世界模型结合。若主要研究人形机器人运动控制，应更早深入强化学习、动力学与仿真。 2. 概念层级与关系 2.1 先分清概念所属层级 层级 概念 解决的问题 建议掌握的内容 --- --- --- --- 基础方法 深度学习 用神经网络学习表示、预测和决策 张量、反向传播、损失函数、优化、视觉编码器 网络架构 Transfo